小编Ale*_*lia的帖子

我正在用 python 实现 PC 算法。该算法构建了n变量高斯分布的图形模型。该图模型基本上是有向无环图的骨架，这意味着如果结构如下：

(x1)---(x2)---(x3)

是在图中，则给定 x2，x1 与 x3 无关。更一般地，如果 A 是图的邻接矩阵并且 A(i,j)=A(j,i) = 0 （i 和 j 之间缺少边），则 i 和 j 是条件独立的，对于所有变量出现在从 i 到 j 的任何路径中。出于统计和机器学习的目的，可以“学习”底层图形模型。如果我们对联合高斯 n 变量随机变量有足够的观察，我们可以使用 PC 算法，其工作原理如下：

given n as the number of variables observed, initialize the graph as G=K(n) 
for each pair i,j of nodes:
    if exists an edge e from i to j:
        look for the neighbours of i
        if j is in neighbours of i then remove j from the set of …